Robust EGARCH modelis
Robust EGARCH paplašina Nelsona (1991) eksponenciālo GARCH modeli, aizstājot standarta kvazimaksimuma likumības novērtējumu ar pret izkaisītām vērtībām izturīgām procedūrām — parasti ierobežotas ietekmes vai M-novērtējumu —, lai neliela daļa ārkārtēju novērojumu vai datu kļūdu nevarētu izkropļot novērtēto volatilitātes dinamiku vai sviras efektu.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Metožu karte
Saistīto metožu apkaime — atlasiet mezglu, lai izpētītu.
Avoti
- Muler, N., & Yohai, V. J. (2008). Robust estimates for GARCH models. Journal of Statistical Planning and Inference, 138(10), 2918–2940. DOI: 10.1016/j.jspi.2007.11.003 ↗
- Nelson, D. B. (1991). Conditional heteroskedasticity in asset returns: A new approach. Econometrica, 59(2), 347–370. DOI: 10.2307/2938260 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Robust Exponential Generalized Autoregressive Conditional Heteroscedasticity Model. ScholarGate. https://scholargate.app/lv/econometrics/robust-egarch
Kura metode?
Novietojiet šo metodi blakus tās tuvākajām radniecīgajām metodēm un lasiet tās līdzās — bibliotēka noliek grāmatas uz galda; izvēle ir jūsu.
- DCC-GARCH modelis (Dynamic Conditional Correlation)Ekonometrija↔ salīdzināt
- EGARCH modelis (eksponenciālais GARCH)Ekonometrija↔ salīdzināt
- GARCH modelis (volatilitātes prognozēšana)Ekonometrija↔ salīdzināt
- Robustais GARCH modelisEkonometrija↔ salīdzināt
- Robust TGARCHEkonometrija↔ salīdzināt
- TGARCH modelis (sliekšņa GARCH)Ekonometrija↔ salīdzināt
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →